Od Watykanu do logistyki: 3 zastosowania AI, które zmieniają globalny handel #14

Nowy papież Leon XIV, czyli Robert Francis Prevost, wybrany 8 maja 2025, swoje papieskie imię wybrał w nawiązaniu do Leona XIII, który był papieżem podczas pierwszej wielkiej rewolucji przemysłowej w XIX wieku. Leon XIV uznał, że współczesny rozwój sztucznej inteligencji stanowi nową, porównywalną rewolucję przemysłową, która stawia Kościół i ludzkość przed nowymi wyzwaniami społecznymi i moralnymi. W związku z tym wybrał imię Leon XIV, aby kontynuować dzieło Leona XIII, który w encyklice Rerum Novarum zajmował się kwestiami społecznymi związanymi z przemianami tamtej epoki.

A więc jeżeli AI dotyka nawet takich dawnych i konserwatywnych instytucji jak Kościół, to globalny biznes tym bardziej adoptuje wszystko nowe i korzystne, co ta technologia oferuje.

13 maja miałem przyjemność podzielić się przemyśleniami ze studentami Koła Naukowego Wydziału Handlu Międzynarodowego Uniwersytetu Ekonomicznego w Krakowie. Rozmawialiśmy o tym, jak konkretnie AI może transformować i ulepszać procesy w globalnym biznesie. To pokolenie, które za kilka lat wejdzie na rynek pracy, z dużym prawdopodobieństwem trafi do rzeczywistości zawodowej, która będzie wyglądać inaczej niż ta, którą znamy dziś. Dlatego zrozumienie nadchodzących zmian może nie tylko pomóc się na nie przygotować, ale również zwiększyć szanse na ich pełne wykorzystanie.

W poprzednich artykułach pisałem o tym, czym jest sztuczna inteligencja i inne pokrewne technologie. Też podawałem kilka przykładów zastosowań AI. Dziś jest czas na kolejną dawkę. Mam nadzieję, że te przykłady zastosowań zainspirują Cię do wymyślenia nowych ciekawych i pożytecznych przypadków użycia, które pomogą w Twojej działce i usprawnią Twoją pracę oraz Twój biznes.

Przypadek Użycia #1 - Szacowanie czasu dostawy towaru

Zamawiamy coś w Chinach czy USA - i już za kilka dni to mamy! Żeby to było możliwe, musi być zsynchronizowanych mnóstwo procesów. Dla firm, które dostarczają towary, dokładne oszacowanie czasu dostawy (ang. Estimated Time of Arrival - ETA) ma kluczowe znaczenie, ponieważ pozwala lepiej planować zasoby.

W praktyce dokładne oszacowanie ETA jest bardzo trudne z uwagi na:

• duża zmienność czasu transportu w zależności od kraju, trasy i środka transportu

• opóźnienia wynikające z nieprzewidywalnych czynników (pogoda, korki, strajki, odprawy celne)

• brak dokładnych danych w czasie rzeczywistym lub ich niska jakość

• złożoność tras wieloetapowych (np. statek – port – transport drogowy)

• wysokie wymagania kompetencyjne i czasowe.

Ale wyobraźmy sobie, że nasza firma działa już od dłuższego czasu. Sporo towarów już dostarczyliśmy. I mamy ten proces dobrze udokumentowany, czyli mamy dane, które są fundamentem do tworzenia modeli AI. Te dane muszą zawierać cechy tej dostawy (np., rodzaj transportu, prognozy pogody i inne parametry) oraz jaki był faktyczny czas dostawy.

Mając takie dane, mamy już z górki :-)

Podsumowując ten przypadek użycia z perspektywy technicznej:

• Cel: przewidzieć wartość liczbową – czas dostawy (np. w godzinach lub dniach)

• Typ uczenia maszynowego: regresja

• Dane wejściowe: trasę, środek transportu, warunki pogodowe, historię opóźnień, typ towaru …

• Dane wyjściowe: rzeczywisty czas dostawy (liczba godzin lub dni)

Istnieje mnóstwo algorytmów regresyjnych uczenia maszynowego, które mogą pomóc w wytrenowaniu dokładnego modelu - modele liniowe, drzewiaste, komitety drzew, sieci neuronowe …

Przypadek Użycia #2 - Automatyczne raporty z rynków zagranicznych

Aby podejmować trafne decyzje biznesowe, musimy być dobrze poinformowani. Zbieranie i analiza informacji o innych podmiotach i rynkach to zadanie o wadze strategicznej, ale też bardzo pracochłonne. Jest cała dziedzina, która się nazywa OSINT - open source intelligence - czyli wywiad oparty na źródłach otwartych. Czasami całe zespoły ludzi są zaangażowane w takie działania.

Ale takie coś może zrobić AI!

W tym przypadku potrzebujemy generatywnej sztucznej inteligencji - dużych modeli językowych. Proces składa się z trzech etapów:

1. Pozyskanie danych do raportu - może to być scrapowanie stron internetowych, social mediów konkurencji czy innych portali branżowych.

2. Konfiguracja dużego modelu językowego, głównie przez prompt engineering, żeby z pozyskanych danych wyciągnął potrzebne informacje oraz sporządził w pożądanym formacie.

3. Dostarczenie raportu do interesariuszy (np., na maila).

Przypadek Użycia #3 - Obsługa klienta 24/7 w wielu językach

Wyobraźmy, że nasza firma obsługuje klientów z różnych krajów. Zadowolenie klientów to dla nas wartość kluczowa. Klienci mogą mieć pytania i sugestie, dlatego funkcjonuje obsługa klienta. Żeby zapewnić odpowiedni poziom tej obsługi, nasi operatorzy muszą znać nasze produkty i potrafią komunikować się w różnych językach. Zbudowanie takich kompetencji zajmuje sporo czasu.

Jak się domyślacie - takie coś również może zrobić AI!

Duże modele językowe mogą być podpięte do firmowej bazy wiedzy (czyli zestawu informacji, którego uczą się operatorzy, żeby móc odpowiadać na pytania klientów). Dzięki prompt engineeringowi i innym technikom możemy skonfigurować model tak, by komunikował się w różnych językach.

Takie chatboty mogą działać 24/7, a więc nasi klienci nie są ograniczeni godzinami pracy operatorów.

W praktyce takie rozwiązania łączy się z ludzkimi operatorami - chatboty obsługują prostsze sprawy, a bardziej złożone trafiają do człowieka.

Mam nadzieję, że przedstawione przykłady zastosowań AI w globalnym biznesie były dla Ciebie interesujące i służą źródłem inspiracji do wykorzystania AI w Twojej pracy.